Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Universidad de Córdobas
Monterı́a - Córdoba
9 de diciembre de 2021
1 Distribuciones de Probabilidad
Distribuciones de Probabilidad de V.A Discretas
Distribución Binomial
Distribución Multinomial
Distribución Geométrica
Distribución Binomial Negativa
Distribución Hipergeométrica
Distribución de Poisson
Referencias
Distribución Binomial
Ensayo Bernoulli
Distribución Binomial
Distribución Binomial
Experimento Binomial
Un experimento que consiste de:
n ensayos tipo Bernoulli.
Independientes.
Con probabilidad de éxito p constante.
Recibe el nombre de experimento binomial.
Ejemplos:
1 Lanzar tres monedas y contar el número de sellos (éxitos).
2 Examinar 20 ratas de laboratorio después de someterlas a
cierta dieta y registrar cuántas desarrollaron cáncer (éxitos).
3 Después de la intervención de un vendedor a 10 clientes,
registrar cuántos deciden comprar (éxitos) un producto.
Jorge A. Barón (Unicórdoba) DISTRIBUCIONES DE PROBABILIDAD 5 / 54
Distribuciones de Probabilidad Distribuciones de Probabilidad de V.A Discretas
Distribución Binomial
La variable aleatoria X definida como el número de éxitos obtenidos
en n ensayos tipo Bernoulli, tiene una distribución binomial de
parámetros n y p, con función de probabilidad dada por:
n x
P (X = x) = p (1 − p)n−x , x = 0, 1, 2, ..., n
x
Donde:
n n!
=
x (n − x)!x!
Valor esperado y Varianza de una binomial
Si X tiene distribución binomial de parámetros p y n entonces:
E (X) = np y V ar (X) = np (1 − p)
Distribución Binomial
Ejemplo 1:
Supongamos que la probabilidad de tener una unidad defectuosa en
una lı́nea de ensamblaje es de 0.05. Si un conjunto de 10 unidades
terminadas constituyen ensayos independientes:
1 ¿Cuál es la probabilidad de que dos se encuentren
defectuosas?
2 ¿De que a lo sumo dos se encuentren defectuosas?
3 ¿Cual es la probabilidad de que por lo menos una se
encuentre defectuosa?
4 Calcule el valor esperado y la varianza
Distribución Binomial
Solución:
Definamos:
X: Número de unidades defectuosas de las 10 terminadas.
Función de probabilidad
10
P (X = x) = 0.05x (1 − 0.05)10−x
x
Para x = 0, 1, 2, ..., 10
Distribución Binomial
¿Cuál es la probabilidad de que dos se encuentren defec-
tuosas?
10
0.052 (1 − 0.05)10−2 = (45) 0.052 0.958
P (X = 2) =
2
= 0.0746
Código R:
dbinom(2,10,0.05)
[1] 0.07463483
Distribución Binomial
P (X ≤ 2) = P (X = 0) + P (X = 1) + P (X = 2)
10 10−0 10
= 0
0.05 (1 − 0.05) + 0.051 (1 − 0.05)10−1
0 1
10
+ 0.052 (1 − 0.05)10−2
2
= 0.5987369 + 0.3151247 + 0.0746348
= 0.9885
Distribución Binomial
Código R:
P (X ≤ 2) =?
#Probabilidades en un intervalo:
#Opción 1:
sum(dbinom(0:2,10,0.05))
[1] 0.9884964
#Opción 2: pbinom(x,n,p)
pbinom(2,10,0.05)
[1] 0.9884964
Jorge A. Barón (Unicórdoba) DISTRIBUCIONES DE PROBABILIDAD 11 / 54
Distribuciones de Probabilidad Distribuciones de Probabilidad de V.A Discretas
Distribución Binomial
¿Cual es la probabilidad de que por lo menos una se en-
cuentre defectuosa?
P (X ≥ 1) = 1 − P (X < 1)
= 1 − P (X = 0)
10
=1− 0.050 (1 − 0.05)10−0
0
= 1 − 0.5987369
= 0.4013
Código R:
sum(dbinom(1:10,10,0.05))
[1] 0.4012631
Jorge A. Barón (Unicórdoba) DISTRIBUCIONES DE PROBABILIDAD 12 / 54
Distribuciones de Probabilidad Distribuciones de Probabilidad de V.A Discretas
Distribución Binomial
Distribución Binomial
Ejemplo 2:
La experiencia ha demostrado que el 30 % de todas las personas
afectadas por cierta enfermedad, se recupera. Una compañı́a far-
macéutica desarrolló una vacuna. Se seleccionaron al azar 12 per-
sonas con la enfermedad en cuestión y se les administró la vacuna.
Supóngase que la vacuna es completamente ineficaz.
1 ¿Cuál es la probabilidad de que ninguna de las 12 personas
afectadas se recuperen?
2 ¿Cuál es la probabilidad de que todas las personas
seleccionadas se recuperen?
3 ¿Cuál es la probabilidad de que al menos 10 de las 12
personas enfermas se recuperen?
4 Calcular el valor esperado y la varianza.
Jorge A. Barón (Unicórdoba) DISTRIBUCIONES DE PROBABILIDAD 14 / 54
Distribuciones de Probabilidad Distribuciones de Probabilidad de V.A Discretas
Distribución Binomial
Solución:
Luego:
X ∼ Bin (n = 12, p = 0.3)
Función de probabilidad:
12
P (X = x) = 0.3x (1 − 0.3)12−x
x
Para x = 0, 1, 2, ..., 12
Distribución Binomial
12
0.30 (1 − 0.3)12−0 = (1) 0.30 0.712 = 0.0138
P (X = 0) =
0
Código R:
dbinom(0,12,0.3)
[1] 0.01384129
Distribución Binomial
12
0.312 (1 − 0.3)12−12 = (1) 0.312 0.70
P (X = 12) =
12
= 5.314410 × 10−7
Código R:
dbinom(12,12,0.3)
[1] 5.31441e-07
Distribución Binomial
¿Cuál es la probabilidad de que al menos 10 de las 12
personas enfermas se recuperen?
Código R:
dbinom(10:12,12,0.3)
[1] 1.909645e-04 1.488035e-05 5.314410e-07
sum(dbinom(10:12,12,0.3))
[1] 0.0002063763
Jorge A. Barón (Unicórdoba) DISTRIBUCIONES DE PROBABILIDAD 18 / 54
Distribuciones de Probabilidad Distribuciones de Probabilidad de V.A Discretas
Distribución Binomial
Distribución Multinomial
Distribución Multinomial
Ejemplo
La complejidad de las llegadas y las salidas de los aviones en un
aeropuerto es tal que a menudo se utiliza la simulación por compu-
tadora para modelar las condiciones “ideales”. Para un aeropuerto
especı́fico que tiene tres pistas se sabe que, en el escenario ideal, las
probabilidades de que las pistas individuales sean utilizadas por un
avión comercial que llega aleatoriamente son las siguientes:
Pista 1: p1 = 2/9
Pista 2: p2 = 1/6
Pista 3: p3 = 11/18
¿Cuál es la probabilidad de que 6 aviones que llegan al azar se
distribuyan de la siguiente manera?
Pista 1: 2 aviones
Pista 2: 1 avión
Pista 3: 3 aviones
Jorge A. Barón (Unicórdoba) DISTRIBUCIONES DE PROBABILIDAD 22 / 54
Distribuciones de Probabilidad Distribuciones de Probabilidad de V.A Discretas
Ejemplo
Solución:
Como el aeropuerto tiene tres pistas de aterrizaje, implica q se
tienen tres posible resultados para el experimento planteado, cada
uno con las probabilidades asignadas, luego la probabilidad de que
6 aviones que llegan al azar se distribuyan de la manera establecida,
se puede calcular asumiendo una distribución multinomial, ası́: n =
6, x1 = 2, x2 = 1 y x3 = 3, luego
2 1 3
6 2 1 11
P (x1 = 2, x2 = 1, x3 = 3) =
2, 1, 3 9 6 18
2 1 3
6! 2 1 11
= = 0.1127
2!1!3! 9 6 18
Ejemplo
Código R:
dmultinom(c(2,1,3),prob=c(2/9,1/6,11/18))
[1] 0.112703
Distribución Geométrica
Definición:
Suponga que se tiene:
Una serie de ensayos Bernoulli independientes.
Con probabilidad de éxito constante.
Si X: es el número de ensayos necesarios hasta obtener el
primer éxito.
Entonces X tiene una distribución geométrica con parámetro p.
Función de probabilidad:
P (X = x) = p (1 − p)x−1
Para x = 1, 2, ...
Jorge A. Barón (Unicórdoba) DISTRIBUCIONES DE PROBABILIDAD 25 / 54
Distribuciones de Probabilidad Distribuciones de Probabilidad de V.A Discretas
Distribución Geométrica
Teorema
Distribución Geométrica
Distribución Geométrica
Solución
Definamos:
Luego:
X ∼ Geo (p = 0.05)
Función de probabilidad:
P (X = x) = 0.05 (1 − 0.05)x−1
Para x = 1, 2, ...
Distribución Geométrica
dgeom(99,0.05)
[1] 0.0003116068
Distribución Geométrica
¿Cual es la probabilidad de que se tenga que probar más
de 3 latas para encontrar la primera que no cumple las
especificaciones?
P (X > 3) = 1 − P (X ≤ 3)
= 1 − [P (X = 1) + P (X = 2) + P (X = 3)]
= 1 − [0.05 + 0.0475 + 0.045125]
= 1 − 0.142625
= 0.857375
Código R:
1-pgeom(2,0.05)
[1] 0.857375
Jorge A. Barón (Unicórdoba) DISTRIBUCIONES DE PROBABILIDAD 30 / 54
Distribuciones de Probabilidad Distribuciones de Probabilidad de V.A Discretas
Distribución Geométrica
Distribución Geométrica
Ejemplo 2:
Un matrimonio quiere tener una niña, y por ello decide tener hijos
hasta el nacimiento de una niña. Calcular el número esperado de
hijos (entre varones y hembras) que tendrá el matrimonio. Calcular
la probabilidad de que la pareja acabe teniendo tres hijos o más.
Distribución Geométrica
Solución
Definamos:
X: Número de hijos que tiene el matrimonio hasta tener una niña.
Luego:
X ∼ Geo (p = 0.5)
Función de probabilidad:
P (X = x) = 0.5 (1 − 0.5)x−1
Para x = 1, 2, ...
Distribución Geométrica
Número esperado de hijos:
1 1
E (X) = = =2
p 0.5
La probabilidad de que la pareja acabe teniendo tres hijos
o más.
P (X ≥ 3) = 1 − P (X < 3)
= 1 − P (X ≤ 2)
= 1 − [P (X = 1) + P (X = 2)]
= 1 − [0.5 + 0.25]
= 1 − 0.75
= 0.25
Jorge A. Barón (Unicórdoba) DISTRIBUCIONES DE PROBABILIDAD 34 / 54
Distribuciones de Probabilidad Distribuciones de Probabilidad de V.A Discretas
Distribución Geométrica
Código R:
1-pgeom(1,0.5)
[1] 0.25
Teorema
Si X es una variable aleatoria con distribución binomial negativa
de parámetros r y p entonces:
r
E (X) =
p
r (1 − p)
V ar (X) =
p2
Ejemplo 1:
Solución
Luego:
X ∼ BN (r = 2, p = 0.05)
Función de probabilidad:
x−1
P (X = x) = 0.052 (1 − 0.05)x−2
1
Para x = 2, 3, 4, ...
dnbinom(18,size=2,prob=0.05)
[1] 0.01886768
Distribución Hipergeométrica
N : tamaño poblacional.
n: tamaño muestral.
k: número de éxitos en la población.
X: número de éxitos en la muestra.
Jorge A. Barón (Unicórdoba) DISTRIBUCIONES DE PROBABILIDAD 42 / 54
Distribuciones de Probabilidad Distribuciones de Probabilidad de V.A Discretas
Distribución Hipergeométrica
La distribución de probabilidad de la variable aleatoria hiper-
geométrica X, el número de éxitos en una muestra aleatoria de
tamaño n que se selecciona de N elementos de una población, en
los que k se denominan éxitos y N − k fracasos , es:
k N −k
x n−x
f (x) = N
; max {0, n − (N − k)} ≤ x ≤ min {n, k}
n
Ejemplo
Ejemplo
3 40−3
1 5−1 (3)(66045)
P (X = 1) = 40
= 658008
= 0.3011
5
Código R:
dhyper(x,n,N-n,k)
dhyper(1,5,35,3)
[1] 0.3011134
Distribución de Poisson
Distribución de Poisson
Si X es la variable aleatoria que cuenta el número de veces que un
evento ocurre en un intervalo (o unidad de tiempo, longitud, super-
ficie, volumen, etc), y si se tiene que los eventos son independientes
y el número promedio por intervalo es λ, se dice que X tiene una
distribución de Poisson y la función de probabilidad de X es:
e−λ λx
P (X = x) =
x!
Para x = 0, 1, 2, ...
Teorema
Si X es una variable aleatoria con distribución Poisson de paráme-
tro λ entonces:
E (X) = λ y V ar (X) = λ
Jorge A. Barón (Unicórdoba) DISTRIBUCIONES DE PROBABILIDAD 47 / 54
Distribuciones de Probabilidad Distribuciones de Probabilidad de V.A Discretas
Distribución de Poisson
Ejemplo:
Distribución de Poisson
Solución:
Sea X el número de baches que hay que reparar en un tramo de
una milla.
Luego:
X ∼ P oisson (λ = 2)
Función de probabilidad:
e−2 2x
P (X = x) =
x!
Para x = 0, 1, 2, ...
Distribución de Poisson
Código R:
dpois(x,lamda)
dpois(3,2)
[1] 0.180447
Distribución de Poisson
e−10 100
P (X = 0) = = 0.0000454
0!
Código R:
dpois(0,10)
[1] 4.539993e-05
Distribución de Poisson
¿Cual es la probabilidad que sea necesario reparar al
menos un bache en un tramo de media milla?
P (X ≥ 1) = 1 − P (X < 1)
= 1 − P (X = 0)
e−1 10
=1−
0!
= 1 − 0.3678794
= 0.6321206
Jorge A. Barón (Unicórdoba) DISTRIBUCIONES DE PROBABILIDAD 52 / 54
Distribuciones de Probabilidad Distribuciones de Probabilidad de V.A Discretas
Distribución de Poisson
Código R:
1-dpois(0,1)
[1] 0.6321206
Referencias I